Sabrina Ramonov · 9:47 · 发布 2026-06-26 · 8206次观看(截至抓取) · 观看原视频
主旨
面向 Claude Fable 这类内置深度推理的模型,过去”把步骤写全”的提示习惯反而会拖累输出质量,应改为给目标、给理由、划边界三件事。
核心论点
- 只给目标和约束、不列步骤——Fable 的推理在每次请求上都会运行,人为写全步骤等于把模型的天花板摁到自己的认知水平。(→ 详解1)
- 只给请求不给理由,模型会猜、猜错就什么都做——请求前先说清更大任务、受众和产出用途,模型才会聚焦而非泛化。(→ 详解2)
- 不设边界,模型会做得比你要的多——需要在提示里明确划出”到此打住汇报”和”信息够了就直接给结论”两条线。(→ 详解3)
知识点详解
1. 给目标而非步骤 00:20
作者把一个打磨数月、拆成 14 个步骤外加格式规则与边界案例的旧提示词直接搬进 Fable,结果输出反而不如换用 Opus。她做了个对照实验:删掉 12 个步骤只留目标和约束,结果明显更好。
原因在于 Fable 的推理在每一次请求上都会自动运行,不需要额外提示”再想想”。写全步骤等于替模型做了它本该自己做的拆解,天花板被摁在了写提示者自己的认知水平上——这一点她引用了 Anthropic 官方文档作为佐证:面向旧模型写的提示通常指令过多,反而会拖累 Fable 的表现,官方建议是”说清目标、说清约束,然后让开”。
她给出一个类比:请一位米其林大厨,却塞给他一份微波炉说明书——这是种侮辱。对 Fable 也一样:告诉它想要什么口味、给出预算(约束),然后让它自己去做菜。这是目标替代步骤提示法的核心判断——旧模型时代”步骤写得越细、控制力越强”的经验,在 Fable 这类模型上被反转了。
2. 给理由而非纯请求 03:26
作者把一份 40 页报告丢给 Fable,只说”总结一下”,得到的是能用但笼统的通用摘要。她在请求前加了一句:「我在为不打算深入技术的投资人准备一份 5 分钟更新,他们要据此决定是否投下一轮」,同一份报告、同一个模型,这次 Fable 精准挑出投资人真正关心的三个关键数据,并把之前被淹没的一个重要风险点标了出来,其余内容全部砍掉。
这印证了她的判断:模型不知道”为什么”时会猜,猜了就倾向于把所有可能都做一遍,而这恰恰不是使用者想要的。Anthropic 提供的模板结构是:「我在为这个受众做这项更大的任务,他们需要我的产出去实现某个目的,基于此,这是具体请求」——把”更大任务、受众、产出用途”这三块信息放在具体请求之前。这就是任务上下文模板:先讲清全局,再交代任务本身。
她用出租车司机做类比:告诉司机”往北开”和告诉他”我 6 点前必须到机场”,两句话都能让车动起来,但只有后者能真正带你到想去的地方。提示词短没问题,但如果 Fable 不知道为什么要做这件事,再短的提示也没有意义。
3. 划清停止线与执行线 06:33
Fable 能力很强:给它一个难任务,单次请求就会自己收集上下文、动手做、还会自我校验。但边界不清时它会做过头——作者让 Fable 排查一个计费自动化里的 bug,它诊断得很准,但没有停下来,而是开始重写整个模块来”预防这一整类问题”,这已经超出了原本的请求,还可能顺带破坏别的东西。
Anthropic 文档建议在提示里明确划两条线:一是停止线——诊断是任务,不是直接改代码,报告发现后等待批准;二是执行线——信息足够时应直接给一条推荐方案,而不是把所有选项都摆出来让人挑。好的提示写法是:「诊断登录 bug 并报告发现,未经我批准前不要改任何代码」,然后是「信息足够时,给我一条推荐方案,不要列一堆选项」。这就是Stop Line 与 Go Line。
她把 Fable 比作一位刚入职就急于证明自己、恨不得把整个公司都重组一遍的天才新人——设边界不是压制它的能力,而是把它的职责范围讲清楚。
可执行步骤
- 写提示前先删:把想写的步骤列表砍到只剩目标和约束两行,交给模型自己拆解。
- 请求前加一句上下文:说明这是为了什么更大任务、给谁看、产出要拿去做什么决定。
- 涉及会改动代码/数据的任务,显式写停止线(“先诊断/先报告,不要动手改”)和执行线(“信息够了就给一条结论,不要列选项”)。
关联
- 印证 goal:两者都认同”给目标而非步骤”这一底层判断——本篇讲的是单轮 prompt 构造层面(信任模型内置推理去拆解一次性任务),forward/goal 讲的是多步长任务的自主循环执行(靠成功标准做迭代闸门),二者呼应但作用的操作粒度不同,不冲突。
一手来源与延伸
- Prompting best practices - Claude Platform Docs:Anthropic 官方提示工程文档,核实其中确实强调”说明约束背后的原因/上下文能帮助模型更好理解目标”,与本片引用的”官方文档”立场一致。
术语
- Fable(Anthropic 对某代 Claude 模型的代号,视频内直称”最聪明的模型”)
- Stop line / Go line(提示中划定的”止步汇报”与”信息够即执行”两条边界)
金句
“Imagine hiring a Michelin star chef, and you hand them a microwave manual. That’s insulting.” → 过度指定步骤,是在用管理生手的方式对待一个能自主推理的模型。 “A short prompt is worthless if Fable doesn’t know why you’re asking.” → 提示够短不是目标,提示是否携带了意图才是。
立场与利益
作者是自称”卖掉 AI 公司”的从业者与内容创作者,视频未提及课程/工具销售,主要以自身工作流实验(内容管道、账单 bug 排查)佐证观点,推销成分低。
价值定位
面向已经在用 Claude 系列模型、习惯了给老模型写长提示词的使用者,提供一套针对”内置深度推理模型”的提示调整认知(减步骤、加理由、划边界)。是认知层面的提示范式转变,而非具体工具操作教程;三条建议可直接套用到日常 prompt 撰写,落地成本低。
自检问题
- 为什么给 Fable 写全 14 个步骤的详细提示,反而会让输出变差? 答案:Fable 的推理在每次请求上都内置自动运行,写全步骤等于替它做了拆解,把输出天花板摁在了写提示者自己的认知水平上。00:20
- 同一份 40 页报告,只加一句话为什么会让 Fable 的总结完全改观? 答案:那句话说明了更大任务(投资人决策)、受众(非技术投资人)和产出用途(5 分钟更新),模型不再泛化猜测,而是精准聚焦到听众真正关心的数据和风险点上。03:43
- 排查计费 bug 时,Fable 为什么会开始重写整个模块?这说明了什么设计缺陷? 答案:提示里没有划停止线,Fable 诊断完 bug 后没有被要求”停下汇报”,于是自主判断需要”预防整类问题”而开始大范围重写。说明缺乏边界时,再聪明的模型也会把任务范围自行扩大。07:01
- Stop line 和 Go line 分别解决什么问题? 答案:Stop line 防止模型在信息不足或未获批准时就动手改动;Go line 防止模型信息已经足够时还在罗列一堆选项拖延给结论,两条线合起来让模型”该停就停、该给结论就给结论”。08:32